[論文レビュー] Localized numerical impulses solutions in diffuse neural networks modeled by the complex fractional Ginzburg-Landau equation

Alain Mvogo, Antoine Tambue+2 more|arXiv (Cornell University)|Nov 28, 2014

stochastic dynamics and bifurcation参考文献 24被引用数 4

ひとこと要約

本稿では、長距離結合を有する拡散的神経ネットワークにおける局所化された神経インパルス動態をモデル化するための新規フレームワークを提案する。複素数の分数階グインツブルク＝ランダウ（CFGL）方程式を用い、摂動理論を適用することで、赤外線限界（k→0）におけるCFGL方程式を導出する。さらに、半陽解的および線形陽解的リエス分数階有限差分スキームを構築し、それを数値的に解く。主な結果として、分数階解は良好に局在化され、短時間持続するインパルスを示し、分数階数が主にインパルスの尾部に影響を与える。また、大規模な系において、連続的なCFGLモデルと離散的ヒンダシュマーズ＝ローズ（Hindmarsh-Rose）ネットワークとの間で強い同等性が示された。

ABSTRACT

We investigate localized wave solutions in a network of Hindmarsh-Rose neural model taking into account the long-range diffusive couplings. We show by a specific analytical technique that the model equations in the infrared limit (wave number $k ightarrow 0$) can be governed by the complex fractional Ginzburg-Landau (CFGL) equation. According to the stiffness of the system, we propose both the semi and the linearly implicit Riesz fractional finite-difference schemes to solve efficiently the CFGL equation. The obtained fractional numerical solutions for the nerve impulse reveal localized short impulse properties. We also show the equivalence between the continuous CFGL and the discrete Hindmarsh-Rose models for relatively large network.

研究の動機と目的

• 長距離拡散的結合がヒンダシュマーズ＝ローズ神経ネットワークにおける波動伝播に与える影響を調査すること。
• 複数尺度摂動解析を用いて、このようなネットワークにおける変調波動の動的を記述する簡略化モデルを導出すること。
• 得られた複素数の分数階グインツブルク＝ランダウ（CFGL）方程式を解くための効率的な数値スキームを開発すること。
• CFGLモデルの解を、完全な離散的ヒンダシュマーズ＝ローズ系の解と比較することで、その妥当性を検証すること。
• 分数階数がインパルスの局在化および尾部挙動に果たす役割を明らかにすること。

提案手法

• 複数尺度摂動解析を用いて、赤外線限界（k→0）における変調波の振幅方程式として、複素数の分数階グインツブルク＝ランダウ（CFGL）方程式を導出する。
• CFGL方程式を解くために、半陽解的および線形陽解的リエス分数階有限差分スキームを実装し、1ステップあたり1回の線形系を解くのみで済ませる。
• リエス分数階微分を用いて、神経ネットワークにおける長距離空間的相互作用をモデル化し、べき乗則の減衰により記憶効果を捉える。
• CFGLモデルからの初期解を用いて、変換式を用いて離散的膜電位、発火、バースト変数を再構築する。
• 4次ルンゲ＝クッタ法を用いて、完全な離散的ヒンダシュマーズ＝ローズ方程式の直接数値解と、CFGLモデルからの分数階離散解を比較する。
• 時間スケーリングを実施し、T_f = T / ε²を設定することで、連続的CFGLモデルの時間発展と離散的HRモデルの時間発展を一致させる。

実験結果

リサーチクエスチョン

• RQ1 長距離拡散的結合は、神経ネットワークにおける局所化された神経インパルスの形成および伝播にどのように影響するか？
• RQ2 複素数の分数階グインツブルク＝ランダウ方程式は、長距離結合を有する拡散的ヒンダシュマーズ＝ローズ神経ネットワークにおける変調波動の動的を正確に記述できるか？
• RQ3 剛性を有する複素数の分数階グインツブルク＝ランダウ方程式を解くために、効率的かつ安定な数値スキームは何か？
• RQ4 分数階数は、神経インパルスの形状、局在化、および尾部挙動にどのように影響を与えるか？
• RQ5 大規模なネットワークサイズにおいて、連続的CFGLモデルと離散的ヒンダシュマーズ＝ローズモデルとの同等性はどの程度成立するか？

主な発見

• 複素数の分数階グインツブルク＝ランダウ（CFGL）方程式は、赤外線限界（k→0）において、長距離結合ヒンダシュマーズ＝ローズ神経ネットワークにおける変調波動の動的を正確に記述する。
• 半陽解的および線形陽解的リエス分数階有限差分スキームは、効率的かつ安定した数値解を提供し、1ステップあたり1回の線形系の解法で十分である。
• CFGL方程式の数値解は、良好に局在化され、短時間持続するインパルスを示しており、安定した神経インパルス伝播を示唆している。
• 分数階数は主にインパルスの尾部の減衰行動に影響を与え、高い分数階数では減衰が遅くなる。
• 特に最終時間にε⁻²のスケーリングを施した場合、大規模なネットワークにおいて、連続的CFGLモデルと離散的ヒンダシュマーズ＝ローズモデルとの間に強い同等性が観察された。
• 長距離結合効果は、インパルスの尾部を形作る上で最も顕著であり、波動伝播に記憶的メカニズムが関与している可能性を示唆している。